前序：
第一课：小橙酱：第一课学员专用：如何写出优秀作业的完整指南
第二课：小橙酱：作业建议：先定位，再出发；先收敛，再发散。
第三课：小橙酱：第三课作业建议：从 Vibe Coding 到 AI 接入，一次把链路跑通
前三节课，
我们沉浸在 Vibe Coding（Enter.pro + Supabase）的"无代码/低代码"舒适区里，
享受着"说句话就出网页"的快感。
也许每个人学完之后都能在两小时内做出一个小网站，这种反馈回路很爽。
但到了第四课，云舒老师把我们从浏览器的沙箱里拉了出来，
推进了 IDE（集成开发环境）和 CLI（命令行工具）的真实代码世界。
这很痛苦——环境配置、依赖地狱、一行行看不懂的报错。
但也最见真章。
因为前三课的"出网页能力"，本质上是把 AI 的生成能力转化成了"观赏艺术"。
但第四课的目标是不同的——它要你学会把 AI 的能力用在"真实问题解决"上：
一个本地脚本能帮你批量重命名 1000 个文件，一个浏览器插件能自动从 10 个网站抓新闻，这些小工具虽然看起来没什么，但它们一旦在你的日常里反复跑，就开始呈现出了 AI Agent 的核心价值：
替你干重复的、机械的、消耗脑力的活。
你可能会问："我都用 Enter 做出来了，为什么还要学这些，为什么一定要写代码？"
答案是：没人说一定要写代码。Vibe Coding的工具选择权一直都在你手里，从来都是。
一、三个维度，决定 AI 能为你做多少活
在开始做作业之前，有个底层认知必须建立起来，否则你会陷入与工具优劣的无谓争论。
我记得，云舒老师用了一个朴素的比喻开场：
AI 就像一个实习生，它能帮你干多少活，取决于三件事。
模型能力（智商）
这个 AI 到底有多聪明。从 Claude 3.5 到现在的 Claude 4.5/Opus、ChatGPT 5.2、国产的 Codex 等，模型的代际更新直接决定了"AI 能不能理解你的需求"。如果你的 AI 智商只有及格分，再多的工具也救不了。
上下文与权限（视野和手脚）
这个 AI 能看到多少东西，能操作多少东西。早期的 Cursor（24年8月）只能读写文件，所以你得手动安装环境、手动跑测试；现在的 Claude Code 和 Codex 有终端权限、能调用 MCP 工具、能访问外部服务，所以它们能自己跑完整个流程。权限越多，AI 能自主完成的事情就越复杂。
自主性（Agent 能力）
这个 AI 是"你说一句它动一下"，还是"你说目标它自己规划执行"。前者叫 Chat AI，后者叫 Agent。这是从 24 年 8 月到现在最根本的进化：AI 从被动的"回答机"变成了主动的"干活机"。
这三个维度是叠加的，缺一个都不行。
模型再聪明，没有权限看代码也白搭。权限再多，决策错了也要失败。前两者都强，但没有自主性，你每次都得一步步盯着它干。
本节作业的核心，就是让你体验这三个维度如何在真实工作中发挥作用。
二、作业初阶 vs 进阶，我的建议是
打开第4课：AI编程下一站，走入代码的世界查看原始作业要求。
这次作业字面上是"二选一"：初阶是做小工具，进阶是做 Skill。
但我要非常直白地说：除非你实在没时间，否则请直接挑战进阶作业。
为什么？因为初阶作业的要求——"用 AI 做个工具解决生活痛点"——其实就是重复第一到第三课已经做过的事。
你再做一个网页、再交一些截图，从学习价值上讲，收益递减。
进阶作业才是这节课真正想要你理解的东西：
如何把一个"重复的思考过程"固化成一个"可复用的能力模块"。
这是迈向 Agent 思维的必经之路。
如果你真的没时间，那至少把初阶作业做成"不只是网页"：
做一个本地脚本、做一个浏览器插件、做一个自动化指令，而不是又做一个"计算器"或"待办清单"。这样至少你体验了代码环境配置、报错调试、权限管理这些前三课没有的东西。
初阶作业：脱离舒适区
（如果你必须选这条路）
原始要求：发现一个痛点，用 AI 编程做一个工具（形式不限：网页、脚本、软件都行），提交痛点场景描述 + 交互截图。
我的评价：这个要求本身没问题，但你可能又容易理解成：怎么又让我做"一次性网页"。如果你选这条路，可以参考以下三个条件之一，才算真正及格。
建议一：尝试脱离网页形态
如果你之前做过网页，就试试看不要再做网页了。你已经在前三课做过 Vibe Coding 的网页小工具了。这次试着做一个：
- •Python 脚本：跑在你的本地电脑上，解决"批量改名""自动整理文件夹""把 Word 转 PDF"这种文件系统操作。
- •浏览器插件：一个 Chrome 或 Firefox 插件，让你在网页上点右键就能触发某个功能。
- •自动化指令：如果你是 macOS 用户，可以用系统自带的快捷指令；如果是 Windows，可以用 AutoHotkey。
为什么要脱离网页？因为网页只能解决"云端"问题（查询、展示、分享）。但你真正的日常痛点往往是"本地"的：1000 个文件需要按规则重命名、一堆截图要快速加水印、每周的数据都要从不同渠道手工整合。这些本地脚本才能真正高效解决的问题，恰恰是 AI IDE 编程工具的拿手好戏。
建议二：解决"实际发生过"的痛点
别为了交作业去编造一个并不存在的痛点。
用一个简单的标准检验：这个痛点最后一次发生是什么时候？你能不能从微信记录、日历、邮件里找到证据？如果找不到，说明这个痛点没那么高频。
高频痛点的特征是：一周发生超过一次，每次花超过 5 分钟，而且每次都是机械性的重复操作。这种痛点值得被一个小工具吃掉。
建议三：还是继续做一个真的"最小可行产品"，不是功能堆砌
很多人在做初阶作业时陷入完美主义：计算器还要支持科学运算、待办清单还要支持分类和优先级、文件管理工具还要支持搜索和标签。结果什么都没做完。
正确的做法是：只做一条核心链路。
以批量改名脚本为例：
- •✅ 及格版本：选一个文件夹 -> AI 根据规则生成新名字 -> 确认后执行改名 -> 完成。
- •❌ 链路冗长版本：选文件夹 -> AI 生成名字 -> 支持预览 -> 支持撤销 -> 支持自定义规则 -> 支持日志导出。
前者验证的假设是"这个工具到底有没有用"，后者验证的假设是"这个工具能不能完美"。
至少现在，我们还是要验证前者。
进阶作业：做解决问题的主人
原始要求：通过 Skills 来给自己工作提效，提交痛点场景描述 + 交互截图。
这条路为什么值得：
这是通往 Agent 思维的必经之路。
Skill 不是一个工具，而是把"思考过程"标准化成"可复用的流程"。
如果你理解了这一点，你就理解了为什么 AI Agent 比单纯的 Chat AI 强这么多。
1、什么是 Skill
你也许会把 Skill 和提示词（Prompt）搞混了：
提示词：你每次都要对 AI 说一大段话。"请把这个会议记录总结成三个要点，格式是..."。下一次又要重新说一遍。这种临时指令就是提示词。
Skill：你定义好一个标准流程，然后点一个按钮（或说一句命令）就自动执行。
例如你创建了一个"整理会议"Skill：
- •输入：会议记录的文本或录音
- •自动步骤：① 提取事实和决策 ② 生成三个要点 ③ 标注责任人和截止日期 ④ 自动发到飞书群
- •输出：固定格式的会议纪要
下次你要用时，只需要输入会议记录就行，所有步骤和格式都是固定的、可重复的、不会出错的。这就是 Skill。
判断标准：如果一个能力要点一下就能用（或说一句简单的激活词就能用），而不需要每次都长篇大论地解释，那它就是 Skill。
2、怎么选一个真的值得"Skill 化"的场景
不是什么工作都适合做成 Skill。一个好的 Skill 候选场景应该满足：
- •高频率：你每周至少要做 3 次以上。
- •高重复性：每次的思考过程都是一样的（输入不同，思考逻辑相同）。
- •有明确的输入输出规范：你能清楚地说出来"给我什么，我产出什么"。
- •现在的做法很机械：手工做这件事很烦人，充满了复制粘贴、格式调整、反复核对这样的低价值操作。
作业方向参考（可以任选其一或发挥创意）
方向 A：信息搜集与总结
- •输入：一个关键词或 URL
- •Skill 做的事：自动去 3 个指定网站（比如虎嗅、36氪、少数派）爬取最新文章，提取核心观点，生成一份"周报简报"
- •输出：固定格式的简报表格（标题、发布时间、核心要点、你的想法备注）
- •为什么值得：你可能每周都在做"看看这周有什么新闻"，每次都是手工浏览、手工记录、手工整理
方向 B：格式转换与数据清洗
- •输入：一段杂乱的信息（比如群里的接龙、电子表单的混乱数据、手写笔记的图片）
- •Skill 做的事：自动识别结构 -> 清洗格式 -> 转成 Excel 表格或结构化 JSON
- •输出：可直接导入系统的表格或数据文件
- •为什么值得：很多行政性的工作（收集信息、整合反馈）都在重复做这件事
方向 C：内容创作的标准化
- •输入：一堆杂乱的想法、会议记录、用户反馈
- •Skill 做的事：自动归纳核心逻辑 -> 按预设模板生成文案或文章 -> 生成配图指导词 -> 发到飞书草稿
- •输出：可直接发布或需要微调的内容草稿
- •为什么值得：写周报、写总结、写产品文档这类任务，每次的思路都一样，但每次都要重新组织一遍
方向 D：安全检查与质量保证
- •输入：一段代码、一个配置文件、一份设计稿
- •Skill 做的事：自动检查常见的错误或风险（比如检查代码里有没有硬编码的密钥、检查设计稿有没有遗漏的注释、检查配置有没有不安全的默认值）
- •输出：问题列表 + 修改建议
- •为什么值得：质量检查本质上是机械性的规则检查，最适合被自动化掉
方向 E：个性化场景（你的日常工作）
上面四个方向只是参考。如果你的工作里有一个"每周都要重复做、每次都想吐槽、每次都花超过 30 分钟"的事，那就是你的 Skill 候选场景。
怎么设计Skill 算"优秀"
有了场景之后，你需要把这个 Skill 的完整流程写出来。不是代码，是流程。
尝试直接用这个模板写一个吧：
代码块Plain Text看起来很长，但这就是让 AI 能"理解你的需求"的必要工作量。如果你花 30 分钟把这个流程定义清楚，就能节省之后每周 30 分钟的重复操作。
测试与打磨，从"好看"到"好用"
设计完了以后，你要至少测试两遍：
第一轮测试：用两份不同的真实输入跑一遍。
- •比如你的 Skill 是"整理会议"，用两份真实的会议记录跑一遍，看输出格式是不是都符合预期。
- •如果第一份输出是 80 分，第二份输出是 60 分，说明流程定义还不够清楚（不够稳定）。
第二轮测试：故意给一份"脏数据"跑一遍。
- •比如会议记录里夹了英文缩写、有语序混乱的句子、字段不完整。
- •看 AI 能不能自动识别问题或者主动问你。
如果两轮测试都稳定通过，你这个 Skill 才算真正可复用。最后把两份不同输入的截图（或链接）一起附上，证明"这不是偶然成功"。
不迷信任何Vibe Coding工具
这节课允许你用任何编程工具做作业（可以不只是下列的这些）：
Claude Code、Cursor、Codex、Trae、甚至 ChatGPT、豆包的 Web界面都行
只要确信你用的工具能够与你一块完成作业要求，都可以
但这并不意味着"工具无关"。
优秀的进阶作业应该在文档里交代清楚：
你为什么选这个工具？你为此放弃了什么？
例如：
- •"我选择 Claude Code 的原因是：
① 我需要的是 Skill 功能，Claude Code 的 Skills 库比较丰富；
② 成本上用 API 计费更灵活；
③ 我不追求图形界面，命令行对我够用。"
- •"我放弃了什么：
① 没有追求界面的易用性（对非技术人员）；
② 放弃了 Cursor 带来的即时上下文感知，换取了 Claude Code 在长逻辑推理上的深度与高自由的定制化能力。"
这样写出来，评审就能看出你不是在"盲目跟风用工具"，而是在"根据自己的需求做理性选择"。
三、工具配置：别一个人死磕，学会求救
"老师，我配置环境配了一晚上都报错，我想放弃了。"
这很正常。但报错本身就是作业的一部分——
不是工程部分，而是"学会在不确定的环境里用 AI 解决问题"这个部分。
技巧 1：把报错当 Prompt
你遇到的 99% 的报错，都是其他人遇到过的，都能被 AI 理解。只要你会问。
就像我在第三节课的作业建议写的那样，当你看到一行红色的报错信息时，直接：
1.把整行报错信息完整复制。
2.找一个 AI 工具（Cursor、Claude、ChatGPT 等等都行）。
3.问："我遇到这个报错，请告诉我：① 这是什么问题 ② 应该怎么修/请修复/给出能直接运行的命令。"
例如：
代码块Plain TextAI 会给你一个清晰的解释 + 可直接运行的命令。
技巧 2：善用自习室和学员群
不要一个人死磕。
咱们有学员群、有搭子团，把你的报错截图发到群里，会有助教和其他学员帮你排查。
群里已经有几十位志愿者在线了，问题往往能快速解决。
另外也请看一下🌍课程在线回答的问题汇总，说不定老师已经答过你相同的问题了，能省你不少时间。
技巧 3：降级工具，不降级思维
如果 Claude Code 配置得很复杂或者消耗额度太快，就换成 Cursor；Cursor 没额度了，就用 Trae；Trae 也卡顿了，就用 ChatGPT 的网页版。
工具是死的，但解决问题的思维是活的。本节课的核心不是"你必须用某个特定工具"，而是"你要学会用 AI 工具思考问题"。工具换了，思维方式不变。
四、怎么写得像优秀作业
无论是初阶还是进阶，优秀作业都有共同的特征：清晰的思维过程、深度的自我批判、可验证的证据链。（证据 + 反思 + 成本意识）
必须交付的"证据链"
痛点描述要具体到"时间、地点、动作、烦点"。
❌ 不好的写法：
我的痛点是工作效率低下，每天都很忙，训练营都过半了作业还没写一个，人都要爆炸了。
✅ 好的写法：
每个周一下午 14:00，我需要写周报。我要从微信、邮件、Git commit log、Jira 这 4 个地方手工收集这周的项目进展，然后在 Notion 里逐条整理，最后再复制粘贴到飞书群。这个过程要花 45 分钟，而且很容易漏项目或遗漏重要的 Bug 信息。这个痛苦的过程每周重复 52 次。
交互截图要能证明你的 Skill 真的完成了目标。
如果是进阶作业，你需要附上：
- •输入信息的截图（或贴代码）：证明你真的用了某个真实数据来测试
- •Skill 执行中的截图：证明流程真的在跑
- •最终输出的截图：证明输出符合你的规范
- •最好再来一份"另一个不同输入的输出"截图：证明这不是"瞎猫碰上死耗子"的一次成功
自我批判清单（写进你的文档）
做完作业后，可参考在文档末尾加这么一段。这不是为了自虐，而是让评审看到你的思考深度。
【我的自我批判】1. 我有没有为了交作业去编造一个并不存在的痛点？- 我的答案：这个痛点最后一次发生是 [某个具体时间]，我能从 [某个具体渠道] 找到证据。2. 我有没有把作业写成"AI 替我完成"，而自己没有留下任何思考过程？- 我的答案：我在以下地方卡住过：[具体卡点 + 如何解决的]3. 我的 Skill 有没有真的"可复用"，还是只是一个"提示词升级版"？- 我的答案：我用两份不同的真实输入测试过，结果分别是 [链接/截图] 和 [链接/截图]，输出格式都符合我的规范。4. 我有没有陷入完美主义，导致核心能力没实现？- 我的答案：这个 Skill 的最小功能集是 [A、B、C]，我已经全部实现了。[D、E 等加分功能] 暂时不做，因为 [原因]。5. 如果这个 Skill 推广到团队使用，我的成本预期是什么？- 我的答案：每次执行大概消耗 [token 数量] ≈ [¥多少]，但能节省我 [多少时间]，ROI 是 [怎样]。
加分项：记录卡点，而不是隐瞒卡点
云舒老师在课堂上说过一个很狠的话：
最值钱的不是成功案例，是失败的卡点和（关于这个卡点是）怎么解决的。
所以如果你：
- •在环境配置上卡了 2 小时，最后发现是 Python 版本不匹配 —— 把这个过程写下来，怎么定位的、怎么解决的。
- •第一版 Skill 在某些输入下失效，你是怎么通过调整 Prompt 和测试流程改进的 —— 把这个过程写下来。
- •意识到自己一开始的需求定义有问题，后来重新调整了 —— 把这个思路转变写下来。
这些"坑"比最后的成功截图值钱 100 倍。
咱们看的不是"你做出来了"，而是"你怎么思考的、怎么解决问题的、学到了什么"。
五、"黄金标准"：冲击优秀作业该怎么做
如果你想让作业通过优秀作业的评选，可以参考这三条：
标准 A：真实的卡点复盘
别只展示成功截图。我想看到你的反思：
"我在 [某个具体环节] 卡住了 [多久]，最后才发现 [根本原因]。我的解决方法是 [具体步骤]。现在如果有新人遇到同样的问题，我会告诉他 [你的建议]。"
例如：
我一开始把 API Key 直接写在前端代码里，结果被 AI 工具的安全检查拦住了。这样的反思比任何成功截图都更有价值。
标准 B：对 Skill 的深度理解
不要只展示"点一下 Skill 就出结果"这样的截图。要展示你对 Skill 这个东西本身的深度理解。
比如你的文档里应该能看到：
- •"我为什么认为这是一个 Skill 而不是一个 Prompt？" —— 因为 [可复用性、固定流程、输入输出规范等具体原因]
- •"我的 Skill 和用户如果直接手工做的方式有什么区别？" —— 不只是"更快"，而是"规范化了思考过程，避免了重复的认知消耗"
- •"如果有人要接手我这个 Skill，他需要知道什么？" —— 这迫使你把隐性的知识显性化
这样的分析就体现出了"产品经理思维"，而不是"AI 工具使用者思维"。
标准 C：成本意识
云舒老师在课上专门算过账，讲了三个工具档位的月成本。
如果你的作业文档里能提到类似这样的思考，就说明你已经从"会用 AI"进化到"会商业化 AI"：
【成本分析】这才是成熟的产品经理和 AI 从业者该有的思维方式。
六、别怂，去搞几个报错出来
第四课是我们在 AI 编程路上的一次"成人礼"。
前三课，你在 Vibe Coding 的沙箱里享受了"即刻反馈"的快感，似乎还不用面对真实代码世界的残酷——环境配置、依赖地狱、调试器、GitHub、命令行窗口一堆报错。
但这些"枯燥"和"复杂"的东西，恰恰是 AI Agent 能够独立干活的底层逻辑。
如果你想让 AI 在你的日常工作里真的替你干活，而不只是一个"聊天玩具"，就必须跨过这道坎。
没有任何快速通道，没有任何作弊方式。
但好消息是：这道坎真的不高：每一个报错都是可以被理解的。每一个环境问题都能被 AI 帮着解决。
正是在这个过程里，你会真正理解什么叫"模型能力、权限、自主性三者叠加"。
所以：别怂。
哪怕你只是跑通了一个"Hello World"脚本，只要是你亲手在终端里敲出来的，只要你能看到那个绿色的成功信息，它就是你迈向 AI Native 超级个体的一大步。
来吧，行动起来，去搞几个报错出来！
2026年1月20日 @爱思考的小橙酱
学员须知（小白基础答疑手册）
作业提交步骤指导：☎️AI训练营 - 学员须知（持续更新）
VibeCoding主文档：第四期：Vibe Coding实战训练营
AI训练营数据中心（含证书获取、找搭子）：🌈AI训练营第1课：第1课：大势不可逆，得势者必胜第2课：第2课：从 Website 开始构建一款应用产品第3课：第3课：与时俱进做出你的第一款 AI 应用第4课：第4课：AI编程下一站，走入代码的世界第5课:第5课：和Al一起vibe coding做产品第6课：第6课：把产品交付到真实世界——上线与发布第7课:第7课：一个工具产品是怎么做出来的第8课：第8课：Demo Day：AI开发完整流程复习课-你的数字化毕业展答疑汇总：Coding答疑汇总页面优秀笔记:优秀笔记分享自习室：自习室
此功能需登录或注册后使用